概率論中的抽樣分佈主要討論的是樣本與總體之間的關係。通常我們是通過樣本來研究總體規律，總體規律往往是難以直接獲得。與總體的數字特徵一樣，我們會定義樣本的特徵：樣本的均值、樣本的方差、樣本的標準差、樣本的k階原點矩和k階中心矩，公式都是一樣的只不過範圍限定在了觀測的部分樣本上。同時基於樣本還可以給出一個經驗分佈函數F(x）=1/n*S(x)，n代表樣本的總數，S(x)代表小於某個x的隨機變量的個數。這個經驗分佈函數被證明當樣本數足夠大的時候收斂於真實的分佈函數，所以實際上可以用這個經驗分佈函數來近似真實分佈函數。
統計量的分佈稱為抽樣分佈（統計量可簡單理解為隨機變量的函數），在使用統計量進行統計推斷的時候常需要知道他的分佈。正態總體的幾個常用統計量是需要知道的：卡方分佈、t分佈、F分佈。
卡方分佈：若n個相互獨立的隨機變量ξ₁，ξ₂，...,ξn ，均服從標準正態分佈（也稱獨立同分佈於標準正態分佈），則這n個服從標準正態分佈的隨機變量的平方和構成一新的隨機變量，其分佈規律稱為卡方分佈（chi-square distribution）。
t分佈：在概率論和統計學中，t-分佈（t-distribution）用於根據小樣本來估計呈正態分佈且方差未知的總體的均值。如果總體方差已知（例如在樣本數量足夠多時），則應該用正態分佈來估計總體均值。t分佈是一簇曲線，其形態變化與n（確切地說與自由度df）大小有關。自由度df越小，t分佈曲線越低平；自由度df越大，t分佈曲線越接近標準正態分佈（u分佈）曲線。
F分佈：F分佈是1924年英國統計學家R.A.Fisher提出，並以其姓氏的第一個字母命名的。它是一種非對稱分佈，有兩個自由度，且位置不可互換。F分佈有著廣泛的應用，如在方差分析、迴歸方程的顯著性檢驗中都有著重要的地位。
